مدل‌سازی تغییرات کاربری جنگل با استفاده از lcm در منطقه جنگلی فندقلو (اردبیل)

مدل‌های تغییر زمین به‌طور فزاینده‌ای برای پیش‌بینی مناظر آینده و تاثیرگذاری بر سیاست استفاده می‌شوند. هدف از این پژوهش مدل‌سازی تغییرات کاربری جنگل با استفاده از مدل‌ساز تغییر زمین، بر پایه شبکه عصبی می باشد. برای تهیه نقشه‌ کاربری اراضی سال‌ 2010، 2015 و 2019 از تصاویر لندست (landsat) 5 و 8 و برای ادغام تصاویر از باند پانکروماتیک لندست 8 و تصاویر استر (aster) و سنتینل (sentinel) 2a استفاده شد. نقشه کاربری اراضی در پنج طبقه، جنگل، مرتع، اراضی کشاورزی، سطوح آبی و اراضی ساخته‌شده، با استفاده از طبقه‌بندی شیءگرا و روش اساین (assign class) کلاس طبقه‌بندی گردید. ضریب کاپا (kappa)، برای سال 2010، 2015 و 2019 از راست به چپ %87، %90 و %91 به دست آمد. با توجه به نتایج در طول دوره 2010 تا 2019 مساحت جنگل از 3204 هکتار به 3070 هکتار و اراضی کشاورزی از 8515 به 9030 هکتار در 2019 کاهش‌یافته است. اراضی مرتعی و سطوح آبی نیز در طول دوره روند کاهشی داشته‌اند. همچنین اراضی ساخته‌شده از 1/3% از کل مساحت به %4 افزایش‌یافته است. برای مدل‌سازی از متغیرهای مکانی، شیب، جهت، مدل رقومی ارتفاع فاصله از جنگل، راه، روستا و آبراهه‌ استفاده شد. پیش‌بینی تغییرات کاربری‌ برای سال‌ 2019 و 2025 با مدل تحلیل زنجیره مارکوف (markov chain) مدل‌سازی گردید. ارزیابی نقشه پیش‌بینی‌شده 2019 با صحت کاپا 87/0، کارایی مدل lcm را در منطقه موردمطالعه نشان می دهد؛ بنابراین، در صورت ادامه روند فعلی تغییرات، پیش‌بینی برای سال 2025، به‌صورت افزایش مساحت اراضی ساخته‌شده و کاهش اراضی کشاورزی کاهش خواهد بود و همچنین از تراکم جنگل‌ها کاسته خواهد شد.

modeling land changes forest using by lcm in fandoqhlo forest area (ardabil)

models of earth changes, are increasingly used to predict future landscapes and influencing politics. the aim of this study is to modeling forest use changes using the lcm modeler based on the neural network. in order to make maps, the images of landsat 5 and 8 were used for land use maps for 2010, 2015 and 2019, and landsat 8 panchromatic band, aster and sentinel2 images were to merge used. the object-oriented classification and assign class method were used to classification ‌forest, pasture, agricultural land, water boundaries and land made. the kappa coefficients were calculated to be 87%, 90%, and 91% for 2015, 2010, and 2019, respectively. the obtained results indicated that the forest area decreased from 3204 hectares to 3070 hectares period 2010 to 2019 and agricultural land increased from 8515 to 9030(h) in 2019. pastures and water levels have also decreased by approximately 446 hectares over the period and the land has increased from 3.1% of the total area to 4%. slope, direction, digital elevation model of the distance from forest, road, village and waterways were used for modeling and markov chain analysis modeling was used for the prediction of land use changes for 2019 and 2025. evaluation of the forecasted 2019 map with a kappa accuracy of 0.87indicates the efficiency of the lcm model in the studied area.theresults, a growth of land made areas, the decrease in agricultural land and the decrease of the quality of rangelands and forests in years 2025.